纵向研究中基因-环境交互作用的稀疏组变量选择
统计方法学
2021-07-20 v1
摘要
高维纵向数据的惩罚变量选择已受到广泛关注，因其能考虑重复测量间的相关性，并为改进识别与预测性能提供额外且关键的信息。尽管已有成功应用，在纵向研究中，惩罚方法在适应结构化稀疏性方面的潜力远未被充分理解。本文发展了一种稀疏组惩罚方法，用于在重复测量的表型下开展双层次基因-环境（G×E）交互作用研究。在二次推断函数（QIF）框架下，所提方法能够在组水平和个体水平上同时识别主效应与交互效应。模拟研究表明，所提方法优于主要竞争方法。在来自儿童哮喘管理计划（CAMP）的哮喘数据案例研究中，我们以高维SNP数据作为遗传因子、以纵向性状第一秒用力呼气量（FEV1）作为表型，开展G×E研究。我们的方法改进了主效应与交互效应的预测与识别，具有重要的启示意义。
引用
@article{arxiv.2107.08533,
title = {Sparse group variable selection for gene-environment interactions in the longitudinal study},
author = {Fei Zhou and Xi Lu and Jie Ren and Kun Fan and Shuangge Ma and Cen Wu},
journal= {arXiv preprint arXiv:2107.08533},
year = {2021}
}